Apriamo un generatore di immagini e chiediamo qualcosa di semplice: una città del futuro, il ritratto di una scrittrice, un interno brutalista, una scena cinematografica nella pioggia. In pochi secondi compaiono immagini diverse per soggetto e dettagli, ma spesso sorprendentemente simili nel modo in cui vogliono convincerci. La luce è perfetta, il contrasto deciso, la composizione leggibile, le superfici levigate. Tutto sembra già pronto per essere una copertina, un poster o un fotogramma.
È una sensazione familiare: abbiamo davanti possibilità quasi infinite, eppure riconosciamo lo stesso gusto. Non è uno stile nel senso pieno del termine, perché non nasce da una biografia, da un conflitto o da una necessità espressiva. È piuttosto una media estetica: l’incontro tra le immagini presenti nei dati, i criteri con cui i modelli vengono ottimizzati e le preferenze che milioni di utenti continuano a premiare.
L’intelligenza artificiale non possiede un gusto personale. Non ama una luce più di un’altra e non ha ricordi legati a un colore. Ma sa quali configurazioni vengono associate più spesso a parole come “bello”, “cinematografico”, “elegante” o “potente”. Quando la richiesta resta generica, il sistema tende a occupare quel territorio probabilistico: produce una soluzione riconoscibile, efficace e culturalmente già convalidata.
Per questo il problema non è che le immagini AI siano brutte. Molte sono tecnicamente impressionanti e, in diversi esperimenti, vengono giudicate piacevoli quanto o più di immagini realizzate da esseri umani. Il problema comincia quando la piacevolezza diventa un automatismo. Un’immagine può essere seducente senza contenere una decisione; può sembrare compiuta prima ancora di avere trovato una ragione per esistere.
La convergenza non riguarda soltanto colori e illuminazione. Coinvolge i corpi, i volti, gli ambienti e i ruoli sociali. Una ricerca pubblicata su Scientific Reports ha osservato, nei volti prodotti da Stable Diffusion XL, stereotipi di genere e una vera omogeneizzazione di alcuni gruppi razziali: persone differenti venivano ricondotte a caratteristiche fisiche, abiti e segni culturali troppo simili. Quando un modello riduce la diversità a pochi indicatori riconoscibili, non sta soltanto ripetendo un’estetica. Sta restringendo il modo in cui immaginiamo il mondo.
Anche i sistemi costruiti per “migliorare” automaticamente i prompt rendono visibile questo meccanismo. Progetti di ricerca come BeautifulPrompt addestrano modelli a trasformare una richiesta semplice in una descrizione capace di ottenere immagini valutate come più belle. È un risultato utile, ma pone una domanda: chi definisce quella bellezza? Se il punteggio estetico premia sempre chiarezza, dettaglio, armonia e spettacolarità, l’ottimizzazione rischia di eliminare proprio le immagini ambigue, povere, scomode o imperfette da cui spesso nasce un linguaggio nuovo.
Il prompt, quindi, non coincide con lo stile. Può descrivere una palette, un obiettivo fotografico, una materia, un’epoca o un movimento artistico. Può imporre regole e vietare cliché. Ma uno stile non è una lista di attributi. È una relazione coerente tra ciò che un autore guarda, ciò che esclude e il modo in cui quelle scelte cambiano nel tempo.
Nel cinema lo vediamo chiaramente. La fotografia di un film non è riconoscibile perché ogni inquadratura contiene le stesse parole chiave. È riconoscibile perché luce, ottiche, distanza dai corpi, movimento, scenografia e colore rispondono alla stessa intenzione narrativa. Una scena può contraddire la precedente e restare dentro lo stesso film. La coerenza non è ripetizione: è continuità di pensiero.
Con le immagini generative questa continuità è più difficile. Ogni nuova richiesta riapre il campo delle possibilità e il modello può reinterpretare in modo diverso ciò che sembrava stabilito. La stessa frase non garantisce lo stesso tono; un riferimento visivo può conservare la superficie e perdere la struttura; una palette può restare identica mentre cambia completamente il rapporto tra figura e spazio. La ricerca sul trasferimento di stile conferma quanto sia complesso separare e controllare contenuto, struttura e qualità estetiche.
Il lavoro dell’autore si sposta allora dalla ricerca dell’immagine perfetta alla costruzione di una grammatica. Una grammatica stabilisce rapporti: quanto spazio lasciare vuoto, come trattare i volti, quali colori non usare, quanto può essere esplicito un simbolo, dove accettare l’errore, quando un’immagine deve restare più debole per permettere alla successiva di emergere.
1. Definire relazioni, non soltanto aggettivi. “Cinematografico” o “editoriale” sono indicazioni troppo larghe. È più utile stabilire come la figura abita lo spazio, da dove arriva la luce, quale elemento deve dominare e quale deve restare irrisolto.
2. Costruire un archivio di scelte. Non basta conservare i prompt riusciti. Bisogna registrare le immagini approvate, quelle respinte e il motivo della decisione. Lo stile emerge anche dalla continuità dei rifiuti.
3. Proteggere alcune imperfezioni. Asimmetrie, tagli, vuoti e materiali non levigati possono impedire al sistema di ricondurre tutto alla soluzione più spettacolare. L’imperfezione non è un filtro aggiunto alla fine: deve entrare nella struttura dell’immagine.
4. Valutare la serie, non il singolo risultato. Una cover può funzionare isolatamente e indebolire l’identità complessiva di un progetto. Mettere le immagini una accanto all’altra rivela ripetizioni, deviazioni e incoerenze che il giudizio sul singolo file non mostra.
5. Cambiare il modello senza perdere la direzione. Un linguaggio davvero definito dovrebbe sopravvivere, almeno in parte, al passaggio da uno strumento a un altro. Se dipende interamente dall’estetica predefinita di un solo modello, appartiene più alla piattaforma che all’autore.
Questo non significa chiudersi dentro una formula. Un’identità visiva troppo rigida diventa presto un altro automatismo. La grammatica serve a rendere leggibile l’evoluzione, non a impedire il cambiamento. Anche una serie coerente deve poter introdurre una frattura, ma quella frattura dovrebbe essere una scelta, non una dimenticanza del proprio linguaggio.
La ricerca di Doshi e Hauser sulla scrittura assistita dall’AI ha mostrato un paradosso utile anche per le immagini: la qualità percepita del lavoro individuale può aumentare mentre la diversità complessiva diminuisce. Ognuno ottiene un risultato migliore, ma i risultati finiscono per assomigliarsi. Nel campo visivo questa dinamica può diventare ancora più forte, perché le immagini più spettacolari circolano, vengono imitate e rientrano nel sistema come nuovi riferimenti.
Si crea così un circuito: i modelli propongono ciò che è più riconoscibile, gli utenti selezionano ciò che appare più riuscito, le piattaforme mostrano ciò che riceve più attenzione e quella stessa estetica diventa il punto di partenza delle generazioni successive. Il gusto medio non viene imposto da una macchina isolata. È costruito insieme da dati, modelli, interfacce, metriche e comportamenti umani.
Uscire da questo circuito non richiede rifiutare l’intelligenza artificiale. Richiede usarla contro la propria tendenza alla convergenza: chiedere alternative che non siano soltanto variazioni cosmetiche, confrontare strumenti diversi, introdurre materiali personali, limitare deliberatamente alcune possibilità e soprattutto riconoscere quando una buona immagine non è ancora la nostra immagine.
L’AI non ha un gusto nel modo in cui lo possiede una persona. Ha però una forza estetica enorme: rende alcune soluzioni più facili, veloci e disponibili di altre. Il compito creativo consiste nel vedere quella forza mentre agisce. Quando tutto appare immediatamente bello, l’autorialità comincia dalla capacità di domandarsi chi abbia già deciso che cosa significa bellezza.